读完梁文锋 118 个回答，我更相信 AI 创业要先学会不做什么

读完梁文锋 118 个回答，我更相信 AI 创业要先学会不做什么

大家好，我是唐斩。

今天我把腾讯科技整理的梁文锋近 4 小时交流会材料完整看了一遍。118 个回答，从 AGI、Agent，一路聊到团队、算力、开源和商业化。

很多人第一眼会盯着 500 亿融资，或者去猜 DeepSeek 下一代模型什么时候出来。我更关心另一件事：一个资源再多也不可能什么都做的 AI 公司，究竟怎么决定做什么、不做什么。

我的判断是，这 118 个回答背后不只是一张技术路线图，更像一套资源取舍系统：

1. 用“是否接近 AGI 主线”筛掉旁支；
2. 先解决自己最需要的任务；
3. 把持续学习看成 Agent 的下一道门槛；
4. 用团队、算力和数据约束所有愿景。

这套方法对小团队甚至一人公司更有价值。我们最缺的通常不是点子，而是把有限时间集中到一条能复利的主线上。

118 个回答压缩成一套取舍系统

118 个回答压缩成一套取舍系统

先说明来源边界

这份 118 条材料来自腾讯科技获得并整理的投资者交流会内容，不是 DeepSeek 官方发布的完整逐字稿。500 亿元左右的融资规模有 Reuters、The Information、财新等报道交叉支持，但交流会里的未来路线、商业计划和预测，仍然只是被媒体记录的表述。

所以我不会把它写成“DeepSeek 已经做到”。我只讨论这些回答呈现出的决策逻辑，以及我能从中拿走什么。

一、Agent 的下一步，不是再塞更多上下文

材料里有一个判断让我停了很久：现在的 AI 在上下文和指令足够完整时已经很强，但它还不能像员工一样进入一个组织，工作两个月以后越来越懂这家公司。

这个差别就是持续学习。

今天很多所谓 Agent，实际上是“更长的提示词 + 工具调用 + 记忆库”。它能记住信息，不等于会从失败里稳定改进；它能完成一次任务，也不等于第二次会自动绕开旧坑。

从 CoT、Agent 到持续学习的能力阶梯

从 CoT、Agent 到持续学习的能力阶梯

我做 Agent 工作流时，会把这件事拆成四个问题：

• 任务有没有完成；
• 失败后能不能恢复；
• 人工接管点有没有减少；
• 这次经验有没有沉淀成下一次可调用的规则。

最后一项才接近“学习”。如果只是把对话存起来，下一次仍然靠人重新解释，那只是存档。

二、先给自己用，是最便宜的产品验证

材料里反复出现一个顺序：模型首先要让 DeepSeek 自己好用，外部发布是后面的自然延伸；当前 Agent 方向优先做 Coding，因为它能反过来加速模型研发。

我很认同这个顺序。

小团队做 AI 产品，最容易掉进“先想一个巨大市场，再拼功能”的坑。功能越做越多，自己一天都不用一次。

我现在更愿意反过来：

1. 先找我每周重复三次以上的真实任务；
2. 让 AI 接手其中一段；
3. 连续使用两周，记录失败；
4. 只有当完成率、接管次数、时间和成本都有改善，再考虑把它做给别人。

从内部任务到外部产品的自用闭环

从内部任务到外部产品的自用闭环

自用不是小打小闹。它把需求、反馈和验收放在同一个人身上，迭代快，也最难自欺欺人。

三、战略不是多做，而是敢写“不做清单”

这份材料里，DeepSeek 把视频生成、3D 等商业价值很高的方向放在当前主线之外。这个判断将来可能变化，但它展示了一种很清楚的战略写法：先定义主线，再允许主线排除机会。

很多团队的“聚焦”只是口号。新热点出来，还是会立刻追；客户提一个需求，路线图就多一块；看见竞品有新功能，连夜补齐。

结果不是抓住机会，而是让每个项目都只能拿到半口气。

对一人公司来说，我会把战略写成两张表：

• 主线：未来一年只强化哪一种能力；
• 不做：哪三类看起来很诱人、但不会给主线增加复利的事情。

如果一条战略不能帮我删项目，它就还不是战略。

四、开源不等于没有商业模式

交流会材料把开源描述为一种让利和生态策略，并称最强模型也会继续开源。后一句是未来意向，不能提前当成承诺兑现。不过 DeepSeek-V3 的模型与代码目前确实可以从官方 GitHub 获取。

我从这里看到的不是“开源一定赢”，而是护城河位置在变化。

当模型权重可以获得，真正难的是把它低成本地跑起来，塞进真实流程，处理失败，再对结果负责。仓库地址不是产品，部署成功也不是交付。

对开发者来说，开源项目至少要补完四件事：

1. 能不能稳定部署；
2. 能不能接进用户已有流程；
3. 失败时有没有恢复和人工接管；
4. 成本、延迟和效果能不能持续验收。

代码公开降低了起点，没替你跑完最后一公里。

五、愿景必须接受资源约束

材料里谈了很多愿景，但落到执行，反复出现的还是团队稳定、算力和数据。这个部分很朴素，却比宏大的 AGI 叙事更值得看。

大公司缺算力，小团队缺的是连续注意力。今天做内容，明天做工具，后天追新模型，人的上下文不断切换，效果和一个持续掉线的 Agent 没什么区别。

我的做法是把资源约束直接写进项目：

• 每周最多投入多少小时；
• 单次运行允许花多少钱；
• 失败几次必须人工接管；
• 什么结果才算完成；
• 哪些任务宁可不自动化。

没有这些边界，愿景很容易变成无穷需求池。

我会怎么落地：一张 1-3-2-4 取舍表

如果把这 118 个回答压缩成一张小团队可以直接用的表，我会写成：

• 1 条主线：未来一年只增强一种核心能力；
• 3 项不做：提前写下最容易分散注意力的三个诱惑；
• 2 周自用：先在自己的高频工作里连续跑；
• 4 个验收指标：完成率、失败恢复、人工接管、时间与成本。

小团队的 1-3-2-4 取舍表

小团队的 1-3-2-4 取舍表

两周后，不看演示，不看“感觉不错”，只看记录。

完成率没有提高，回去改任务边界；人工接管没有减少，回去补上下文和工具；成本失控，缩短链路；只有偶尔惊艳，不能叫产品。

最后

我不会因为 500 亿融资就自动相信一张 AGI 时间表。融资证明资源变多，不证明技术判断一定实现。

但我会认真学习这份材料里反复出现的选择方式：先定主线，主动舍弃，先为自己解决问题，再让每个愿景接受资源和验收。

对小团队来说，最危险的通常不是机会太少。

是每个机会都想要。